A: 運営の立場から見る LA-Bench, B: AI×PSE による物理モデル構築自律化の構想 / A: LA-Bench from an Operations Perspective, B: Conceptualizing Autonomous Physical Model Building via AI × PSE

Laboratory Automation月例勉強会 / 2025.12 発表資料
URL: https://laboratoryautomation.connpass.com/event/376225/

Transcript

1. "
   ӡӦͷཱ৔͔ΒݟΔ
   -"#FODI
    #
   "*º14&
   ʹΑΔ෺ཧϞσϧߏஙࣗ཯Խͷߏ૝ Ճ౻ ↅଠ TIPUB!IVNBOTZTJLZPUPVBDKQ ژ౎େֶେֶӃ ৘ใֶݚڀՊ ώϡʔϚϯγεςϜ࿦෼໺ 2025-12-26 Laboratory Automation月例勉強会 2025.12
2. ࣗݾ঺հɿՃ౻
   ↅଠ 1 
   ژେӃ޻ֶݚڀՊ Խֶ޻ֶઐ߈मྃ 
   ಉେֶӃ৘ใֶݚڀՊ γεςϜՊֶઐ߈मྃ r ಉॿڭ r
   ϚϯνΣελʔେֶ ٬һݚڀһ r ࢈૯ݚ
   টᡈݚڀһ ઐ໳ɿԽֶ޻ֶ
   Y
   σʔλαΠΤϯε
   Y
   ࣗવݴޠॲཧ ݚڀ಺༰ • ੡଄ϓϩηεͷϞσϦϯάɺ੍ޚ • ෺ཧϞσϧߏஙͷޮ཰Խ 9
   5XJUUFS 
   !T@LBU झຯ
   ΧϝϥɼαΠΫϦϯάɼΰϧϑɼ ΞΠϦογϡ΢ΠεΩʔʢ#VTINJMMTʣɼήʔϜ
3. • "
   ӡӦʢγεςϜ։ൃɾӡ༻ʣͷཱ৔͔ΒݟΔ
   -"#FODI • ֓ཁɾεέδϡʔϧ • γεςϜ։ൃɾӡ༻ͷ໾ׂ • ֤޻ఔͷৄࡉઆ໌ɾ௚໘ͨ͠՝୊ͱղܾࡦ • #
   "*
   º 14&
   ʹΑΔ෺ཧϞσϧߏஙࣗ཯Խͷߏ૝ • ͜Ε·ͰʹऔΓ૊ΜͰ͖ͨݚڀ঺հ • ͖͕͚͞ϓϩδΣΫτ ʮϚϧνϞʔμϧσʔλΛ׆༻ͨࣗ͠཯ۦಈܕ෺ཧϞσϦϯάͷج൫ߏஙʯ ͷݚڀ঺հ ຊ೔ͷ಺༰ 2
4. • -BCPSBUPSZ
   "VUPNBUJPO
   #FODINBSL • ࣮ݧखॱੜ੒λεΫͷͨΊͷ ϕϯνϚʔΫσʔληοτ -"#FODI
    • ϥϘϥτϦʔΦʔτϝʔγϣϯڠձʢ-"4"ʣ ͕ओ࠵͢Δɼ࣮ݧखॱੜ੒λεΫͷͨΊͷ ϕϯνϚʔΫίϯϖςΟγϣϯɽ • ࢀՃऀ͸ɼࣗવݴޠͰهड़͞Ε࣮ͨݧࢦࣔΛ ೖྗͱͯ͠ड͚औΓɼ࣮ߦՄೳͳৄࡉͳ ࣮ݧखॱΛੜ੒͢Δ "*
   γεςϜΛ։ൃ͢Δɽ -"#FODI
   ͱ -"#FODI
    3 https://lasa-or-jp.github.io/la-bench/
5. • ೖྗ • ࣮ݧࢦࣔɿ྘஡ਁग़ӷ͔ΒΫϩϩϗϧϜநग़ɾס૩ɾ༹ഔআڈɾ࠶݁থɾঢ՚Λߦ͍ɺΧϑΣΠϯ݁থΛಘ ΔɻಘΒΕͨݻମΛϜϨΩγυ൓Ԡ͓Αͼ5-$ʢ4J0⒪ɺΫϩϩϗϧϜɿΤλϊʔϧʹʣͰಉఆ͠ɺ࣭ ྔɾऩ཰ɾಉఆ݁ՌΛه࿥ͤΑɻ • ࢖༻͢Δ෺඼ɿ<lϏʔΧʔ
   N-
   
   N-ʢ֤ʣʗΨϥε๮ʗΖࢴʗ࿙ేʗΖաϑϥεί ʢ·ͨ͸ࡾ֯ϑϥεί
   N-ʣz
   l෼ӷ࿙ే
   N-ʴ࿙ే୆z
   ʜ
   > • ݩϓϩτίϧͷखॱɿ<l
   ྘஡Λ෸ಅਫͰ෼நग़
   ˠ
   Ζա
   ˠ
   Q)ʹௐ੔ʢ
   .
   /B0)
   ໿
   N-ʣzɼ l
   ෼ӷ࿙ేͰΫϩϩϗϧϜ
   N-ºճநग़
   ˠ
   ༗ػ૚ճऩzɼʜ> • ظ଴͞ΕΔ࠷ऴঢ়ଶɿ<lঢ՚Ͱಘͨന৭ΧϑΣΠϯ݁থ͕ճऩɾס૩ɾϥϕϧԽ͞Ε͍ͯΔɻz
   ʜ> • ࢀߟจݙɿʮ͸͡ΊͯͷجૅԽֶ࣮ݧʯΦʔϜࣾɺࢁ㟒
   ༑ل
   ɾฏࢁ
   ඒथ
   ɾ℄Ӭ
   ᚸ༝ඒ
   ɾాத
   ٛ༃
   ڞஶ • ग़ྗ • ࣮ݧखॱɿ<l
   ҆શ४උɿυϥϑτ಺Ͱ࡞ۀ͠ɺอޢ؟ڸɾχτϦϧखାɾനҥΛண༻͢ΔɻΫϩϩϗϧϜ ͸ϋϩήϯܥഇӷʹճऩ͢Δ͜ͱΛ֬ೝ͢Δɻz l
   ஡ͷநग़ɿ
   N-ϏʔΧʔʹ७ਫ
   N-ͱ྘஡ύοΫʢ
   HºʣΛೖΕɺ෸ಅ͠ͳ͕Β 
   NJOՃ೤͢Δɻநग़ޙɺ஡ύοΫΛऔΓग़͠ɺࣨԹ·Ͱ์ྫྷ͢Δɻz
   ʜ> -"#FODI
   λεΫྫ QVCMJD@UFTU@ 4 https://github.com/lasa-or-jp/la-bench/blob/main/data/public_test/samples/public_test_3.json
6. • σʔληοτ • &YBNQMF
   αϯϓϧɼ1VCMJD
   UFTU
   αϯϓϧɼ1SJWBUF
   UFTU
   αϯϓϧ • ֤αϯϓϧ͸ɼೖग़ྗͱαϯϓϧݻ༗ͷධՁج४ʢ఺ຬ఺ʣΛؚΉɽ • 1SJWBUF
   UFTU
   ͷධՁج४͸ඇެ։ɽ • 1VCMJD
   UFTU
   ʹର͢ΔධՁ݁ՌΛϦʔμʔϘʔυʢޙड़ʣͰ֬ೝՄೳɽ • 1SJWBUF
   UFTU ʹର͢ΔධՁ݁Ռʹج͍ͮͯड৆ऀ͕ܾఆ͞ΕΔɽ • 1SJWBUF
   UFTU
   ͷධՁํ๏ • --. Λ༻͍ͨࣗಈධՁ • ઐ໳Ոʢ໰͋ͨΓਓʣʹΑΔਓखධՁ -"#FODI
   
   ίϯϖͷશମ૾ 5
7. • ΦʔΨφΠβɿࢁా͞Μ • σʔληοτ࡞੒ɿञҪ͞ΜʢϦʔμʔʣɼඌ࡚͞Μɼਿࢁ͞Μɼ੢ా͞Μ • γεςϜ։ൃɾӡ༻ɿՃ౻ • γεςϜ։ൃɾӡ༻ͷ࢓ࣄ • σʔληοτ੔ܗɾެ։ • ϕʔεϥΠϯ࡞੒ • ϦʔμʔϘʔυͷ࡞੒ɾӡ༻ • ࣗಈධՁͷ࣮૷ • ਓखධՁͷͨΊͷಗ໊Խɼ࠾఺݁Ռूܭ -"#FODI
    ͷӡӦ 6
8. σʔλ࡞੒൝ • &YBNQMFʢೖྗྫɾग़ྗྫʣ࡞੒ ධՁ؍఺ͷڞ༗ • 1VCMJD
   UFTU
   σʔληοτ࡞੒ • %FW
   1IBTF
   தͷϑΟʔυόοΫ൓ө ໰୊จɾج४ͷඍमਖ਼ • 1SJWBUF
   UFTU
   σʔληοτ࡞੒ • ਓखධՁͷઐ໳ՈׂΓ౰ͯ • ࠾఺݁Ռʹؔ͢Δٞ࿦ ʢෆҰக݁Ռɾผղͷѻ͍ͳͲʣ • ϖΞ߹ٞʹΑΔઐ໳Ո࠾఺ͷ֬ఆ -"#FODI
   
   ӡӦ࡞ۀ಺༰ɾεέδϡʔϧ 7 ݄ ݄ ݄ ݄ Ճ౻ • &YBNQMFެ։ ఏग़ܗࣜɾධՁεΫϦϓτͷॳظ࣮૷ • 1VCMJD
   UFTU
   σʔληοτ੔ܗɾެ։ • %FW
   1IBTF
   ӡ༻ʢఏग़ड෇ɾ-#
   ߋ৽ʣ • 1SJWBUF
   UFTU
   σʔληοτ੔ܗɾެ։ • %FW
   1IBTF
   ऴ൫ͷো֐ରԠ ʢ 3BO
   PVU
   PG
   NFNPSZ
   ͕සൃʣ • 1SJWBUF
   UFTU
   ఏग़ϑΝΠϧऩू • --.
   ධՁͷ࣮ߦɾूܭ • ఏग़ϑΝΠϧͷಗ໊Խɾ࠾఺ऀ΁ͷ഑෍ • ਓखධՁͷूܭ • --.
   ධՁͱઐ໳ՈධՁΛूܭɾެ։
9. ௚໘ͨ͠໰୊ɾղܾࡦˏ໰୊࡞੒ɾσʔληοτ੔උ 8 • ໰୊࡞੒ɾσʔληοτ੔උʹ͓͍ͯ --. ͕͏·͘ػೳ͠ͳ͔ͬͨɽ ҆શ্ͷ؍఺͔Βจষ͕׬શʹੜ੒͞Εͳ͍ࣄྫ΍දݱ͕ҙਤͤͣมΘΔࣄྫ͕͋ͬͨɽ • σʔλ࡞੒ɾڞ༗ʹ͸ (PPHMF
   %PDVNFOUT
   Λ࢖༻͕ͨ͠ɼ ҙਤ͠ͳ͍จষͷมߋ΍૷০͕ೖΓɼσʔλ࡞੒ʹ͸ෆ޲͖ͩͬͨɽ ͍ͣΕͷ໰୊΋ɼࠓճ͸ʮਓखͰ֬ೝ͢Δ͜ͱʯͰղܾͨ͠ɽ ʢ͕ɼ࠾఺࣌ʹ QSJWBUF
   UFTU
   ͷαϯϓϧʹͯɼϛεΛൃݟɽ࣍ճҎ߱ͷ՝୊ʣ
10. • ίϯϖॳࢀՃऀ͕ଈఏग़Ͱ͖ΔΑ͏ʹɼϕʔεϥΠϯΛ࣮૷ɽ • 0QFO"*
    "1*
    ΩʔΛೖྗ͢Δ͚ͩͰɼ σʔλμ΢ϯϩʔυˠ
    0VUQVUͷੜ੒ ˠ
    ࣗಈධՁɼΛ࣮ߦՄೳɽ • ϕʔεϥΠϯͷੑೳͱ --.
    ධՁͷख๏֬ఆ͕؊ɽ ϕʔεϥΠϯɾ--.
    ධՁ 9 https://github.com/lasa-or-jp/la-bench https://colab.research.google.com/github/lasa-or-jp/la-bench/blob/main/notebooks/baseline.ipynb
11. ௚໘ͨ͠໰୊ɾղܾࡦˏϕʔεϥΠϯɾ--.
    ධՁ 10 • ϕʔεϥΠϯ͕ྑ͗͢ʢѱ͗͢ʣ͸ ྑ͘ͳ͍ʜ
    ˠ
    ॳखͷ࣮૷݁ՌͷείΞ͕ 
    ʂ
    ͩͬͨͷͰͦͷ··࠾༻ɽ • --.
    ධՁ͕೉͍͠ɽ • σʔλ࡞੒൝Ͱ͋ΔञҪ͞Μʢઐ໳Ոʣʹ ධՁ݁ՌΛ֬ೝͯ͠΋Β͍ɼෳ਺ճमਖ਼ɽ • ࡉ͔͘ݟΔͱվળ͢΂͖఺͸ଟ͍ɽ ݚڀͱಉ͘͡ɼ-JNJUBUJPO
    ͕͋Δ͜ͱΛ ཧղ্ͨ͠Ͱӡ༻͢Δ͜ͱʹܾఆɽ ݱঢ়ɼσʔλ࡞੒ɾϕʔεϥΠϯ࡞੒ɾ ධՁͷશ޻ఔͰઐ໳Ոͷ౒ྗ͕ඞཁɽ
12. • ࢀՃऀ͸
    ϒϥ΢β͔Β
    +40/-
    Λఏग़ɺ8FC
    αʔό͕ड෇ɽ • ఏग़෺͸
    αʔόσΟεΫʹอଘɺϝλ৘ใͱ݁Ռ͸
    %#
    ʹӬଓԽɽ • ධՁ͸
    ඇಉظδϣϒͱ࣮ͯ͠ߦ͠ɺ׬ྃޙʹࣗಈ൓өɽ ϦʔμʔϘʔυӡ༻ c
    શମߏ੒ 11
13. • 
    छྨͷ؍఺ʢϓϩϯϓτʣΛ༻͍ͯ --.
    ʹΑΔ࠾఺ɽ୯ҰධՁͷภΓΛ཈੍ɽ • ֤ධՁ͸
    ߏ଄Խग़ྗͱͯ͠อଘɽ ʢཧ༝ɾҰகՕॴɾϝϞʣ • ࠷ऴείΞ͸
    
    ͭͷϓϩϯϓτʹΑΔධՁ݁Ռ ͷฏۉͱ͠ɼϦʔμʔϘʔυʹ൓өɽ • ৄࡉϓϩϯϓτ͸ (JU)VC΁ΞοϓϩʔυࡁΈɽ https://github.com/lasa-or-jp/la-bench/blob/main/notebooks/Evaluation.ipynb ϦʔμʔϘʔυӡ༻ c
    ධՁʢ--.BTBKVEHFʣ 12
14. 4VCNJU ᴹ ˝ 7BMJEBUJPO
    +40/-
    GPSNBU
    
    *%T ᴹ ˝ &WBMVBUJPO
    KPC
    TUBSU ᴹ ᵓᴷᴷᴷ⾣ %JTDPSE
    &WBMVBUJPO
    TUBSUFE ᴹ ˝ --.
    FWBMVBUJPO
    "1*
    DBMMT ᴹ ˝ %#
    VQEBUF ᴹ ᵓᴷᴷᴷ⾣ %JTDPSE
    &WBMVBUJPO
    DPNQMFUFE ᴹ ˝ -FBEFSCPBSE
    VQEBUF ϦʔμʔϘʔυӡ༻ c
    ఏग़ʙ௨஌ͷࣗಈԽϑϩʔ 13
15. • ϦʔμʔϘʔυӡ༻࣌ʹ 0VU
    PG
    NFNPSZͳͲͷ໰୊ൃੜɽ ˠ
    $PEFY
    ΍ $IBU(15
    $MBVEF
    ͷॿ͚Λ आΓͯແࣄղܾɽ • --.
    ͷൃలʹΑΓɼίʔσΟϯάʹΑͬͯ Ͱ͖Δ͜ͱ͕૿͑ɼ࣮૷࣌ؒ΋୹ॖɽ • ϗʔϜϖʔδ࡞੒ɼϦʔμʔϘʔυͷઃܭɾӡ༻ɼ ධՁϓϩϯϓτ࡞੒ͳͲͷ͋ΒΏΔ৔໘Ͱ --.
    ͕׆༂ɽ ௚໘ͨ͠໰୊ɾղܾࡦˏϦʔμʔϘʔυӡ༻ 14
16. • --.
    ͷऑΈͱڧΈΛ࣮ײ͢ΔίϯϖςΟγϣϯӡӦͩͬͨɽ • σʔλ࡞੒΍ධՁͷࡍʹ --.
    ʹ͸೚͖ͤΕͳ͍෦෼͕ଟ͍ɽ • ઐ໳తͳ಺༰ͷઆ໌ʹ͸ऑ͍͕ɼ จষදݱͷ౷Ұ΍ޡࣈɾ୤ࣈ౳ͷࢦఠʹ͸ڧ͍ɽ • ίʔσΟϯά༻ --.
    Λ༻͍Δ͜ͱͰɼ)1
    ͷ࡞੒΍ϕʔεϥΠϯ ͷ࣮૷͸ɼద੾ʹཁ݅Λॻ͘͜ͱͰɼ΄΅ҰൃͰੜ੒Մೳɽ ʢද໘తͳ෦෼͸࣮ߦͰ͖͍ͯΔ͕ɼࡉ͔͍ͱ͜Ζ͸ؾʹͳΔʣ ँࣙ ӡӦɾεϙϯαʔɾࢧԉஂମɾࢀՃऀͷօ༷ͷ͓͔͛Ͱແࣄ׬૸Ͱ͖·ͨ͠ɽ ͜ͷ৔ΛआΓ͓ͯྱਃ্͛͠·͢ɽ ૯ׅɿ-"#FODI
    ӡӦΛܦݧͯ͠ 15
17. • "
    ӡӦʢγεςϜ։ൃɾӡ༻ʣͷཱ৔͔ΒݟΔ
    -"#FODI • ֓ཁɾεέδϡʔϧ • γεςϜ։ൃɾӡ༻ͷ໾ׂ • ֤޻ఔͷৄࡉઆ໌ɾ௚໘ͨ͠՝୊ͱղܾࡦ • #
    "*
    º 14&
    ʹΑΔ෺ཧϞσϧߏஙࣗ཯Խͷߏ૝ • ͜Ε·ͰʹऔΓ૊ΜͰ͖ͨݚڀ঺հ • ͖͕͚͞ϓϩδΣΫτ ʮϚϧνϞʔμϧσʔλΛ׆༻ͨࣗ͠཯ۦಈܕ෺ཧϞσϦϯάͷج൫ߏஙʯ ͷݚڀ঺հ ຊ೔ͷ಺༰ 16
18. Ճ౻ ঵ଠ c
    ܦྺɾݚڀ಺༰ 2017 2018 2019 2020 2021 2022 2023 2024 ژେӃ޻ֶݚڀՊ Խֶ޻ֶઐ߈ म࢜՝ఔ ژେӃ৘ใֶݚڀՊ γεςϜՊֶઐ߈ ത࢜ޙظ՝ఔ ژେӃɾ৘ใֶݚڀՊ ॿڭ JST ACT-X ݚڀһ University of Manchester ٬һݚڀһ CzochralckiϓϩηεͷάϨʔϘοΫεϞσϦϯά / άϨʔϘοΫεϞσϧʹج੍ͮ͘ޚख๏։ൃ จݙ͔Βͷ෺ཧϞσϧࣗಈߏஙAIͷ։ൃ σʔλۦಈܕ Ϟσϧൃݟख๏։ൃ 2025 17 JST ͖͕͚͞ ݚڀһ ࢈૯ݚ টᡈݚڀһ • ઐ໳ɿϓϩηεγεςϜ޻ֶ Y
    σʔλαΠΤϯε Y
    ࣗવݴޠॲཧ • ݚڀ಺༰ • ੡଄ϓϩηεͷϞσϦϯάɺ੍ޚ • ෺ཧϞσϧߏஙͷޮ཰Խ
19. ੴ༉Խֶ੡඼΍ҩༀ඼ɼ൒ಋମͳͲͷ੡଄޻ఔʢϓϩηεʣͷཧղɾઃܭɾ੍ޚΛ ମܥతʹѻ͏ֶ໰ɽ എܠ c
    ϓϩηεγεςϜ޻ֶʢ14&ʣ 18 https://www.ipc-ihi.co.jp/business/oil_plant/index.html ੴ༉Խֶϓϥϯτ This equation represents the material balance for component A in a CSTR. … จ ഑؅ܭ૷ਤʢ1*%ʣ ੡඼ !!,#$% , "#$% ᎟፩ػ ൓Ԡ A→B λϯΫ #, !! ਤ ݪྉ !!,&' , "&' [S.S.Srinivas+, arXiv, 2025] ੡଄ϓϩηεͰͷ໰୊ղܾͷͨΊʹɼଟ༷ͳ৘ใ͕׆༻͞Ε͍ͯΔɽ ਺஋σʔλ 時間 濃度 <latexit sha1_base64="qp0s5W2sAmhjWZ0RMnK3lEmgYDE=">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</latexit> V dCA dt = Fin(CA,in → CA) → rV ਺ࣜʢ෺ཧϞσϧʣ ਺ࣜ
20. എܠ c
    Ϟσϧͷछྨ 19 ౷ܭϞσϧ ʢϒϥοΫϘοΫεϞσϧʣ σʔλͱ౷ܭతͳख๏ʹ ج͍ͮͯߏஙͨ͠Ϟσϧ • ઢܗճؼϞσϧ • Ψ΢εաఔճؼ • χϡʔϥϧωοτϫʔΫ • ϥϯμϜϑΥϨετ • ޯ഑ϒʔεςΟϯάܾఆ໦ ෺ཧϞσϧ ʢϗϫΠτϘοΫεϞσϧʣ ෺ཧతɾԽֶతݪཧʹ ج͍ͮͯߏஙͨ͠Ϟσϧ • ӡಈํఔࣜ • φϏΤ-ετʔΫεํఔࣜ • ೤఻ಋํఔࣜ • ൓Ԡ଎౓ํఔࣜ • ঢ়ଶํఔࣜ σʔλɾ౷ܭతͳख๏ͱ ՊֶݪཧΛ౷߹ͯ͠ߏஙͨ͠Ϟσϧ ϋΠϒϦουϞσϧ ʢάϨʔϘοΫεϞσϧʣ PINN (physics-informed neural network) ͰಘΒΕΔχϡʔϥϧωοτϫʔΫ SINDy (sparse identification for nonlinear dynamics)ͰಘΒΕΔ ඍ෼ํఔࣜ ਺஋σʔλ 時間 濃度 This equation represents the material balance for component A in a CSTR. … จ <latexit sha1_base64="qp0s5W2sAmhjWZ0RMnK3lEmgYDE=">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</latexit> V dCA dt = Fin(CA,in → CA) → rV ਺ࣜʢ෺ཧϞσϧʣ ਺ࣜ े෼ͳσʔλऔಘ͕೉͍͠ϓϩηε࢈ۀͰ͸ɼ෺ཧϞσϧߏங͕ඇৗʹॏཁ
21. എܠ c෺ཧϞσϧͷྫ <latexit sha1_base64="u+5hnTQRunWDVRfsj1ZrekzL3l4=">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</latexit> 1 = 1 ⇢cryr2 cry ⇢melr2 c,in + 1 r2 cry r2 c,in ! @hmen @rcry 2rcryhmen r2 c,in a2 r2 c,in cos ('0 + ') ! tan (') 20 https://doi.org/10.1016/j.jcrysgro.2018.03.013
22. ݚڀ໨త c
    ෺ཧϞσϧߏஙͷࣗಈԽɾࣗ཯Խ 21 γϯϘϦοΫ ճؼ ݱ࣮ͷڍಈΛද͢ Պֶ๏ଇʹجͮ͘ ਺ࣜ܈ ෺ཧϞσϧ ୈҰݪཧϞσϧ モデル候補の 作成と検証 情報の 抽出と統合 対象プロセス 関連文献の収集 Ϟσϧߏஙʹඞཁͳ৘ใ ͷࣗಈநग़ɺಉٛੑ൑ఆɺ දه౷Ұ ʁ Ϟσϧީิͷ ࣗಈ࡞੒ɾݕূ 1/# ln ' O ࿈ଓ૧ܕ൓Ԡث จݙσʔλϕʔε͔Β ର৅ϓϩηεؔ࿈จݙ Λࣗಈऩूɺܗࣜ౷Ұ ๲େͳ࡞ۀͱߴ౓ͳ஌ࣝͱεΩϧ ࣌ؒΛ͔͚ͨࢼߦࡨޡ ैདྷख๏ɿख࡞ۀ "VUP1.P#ɿ"*ʹΑΔࣗಈԽ ߏங ߏங Ϟσϧީิ̍ Ϟσϧީิ̎ Ϟσϧީิ̏ 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 d" d# = %! − % ︙ ' = '! exp(− , -. ) −0" = '1" d1" d# = % " 1"! − 1" + 0" ֧፩ػ ݪྉ ੡඼ จݙσʔλى఺ͷϞσϦϯά จݙ৘ใ͔Β෺ཧϞσϧΛࣗಈߏங͢Δ࿮૊ΈΛఏҊɽ [Kato and Kano, Comput. Aided. Chem. Eng., 2022] ਺஋σʔλى఺ͷϞσϦϯά γϯϘϦοΫճؼ (Symbolic regression) ʹΑΓ࣌ܥྻσʔλ͔Β෺ཧϞσϧΛ ಋग़͢Δख๏ΛϨΦϩδʔ෼໺Ͱ࣮ূɽ [Sato, Miyamoto and Kato, J. Rheol., 2025] ࣌ؒ ೱ౓ ੡଄ϓϩηεΛର৅ͱͨ͠ɼ ෺ཧϞσϦϯάޮ཰Խख๏ ʢจݙ͔Βͷ৘ใநग़ख๏΍ ֫ಘͨ͠ϞσϧͷධՁख๏ͳͲʣ Λݚڀɽ
23. • "$59ɿ ʮ੡଄ϓϩηεͷઐ໳༻ޠͱ਺ࣜΛཧղ͢Δ ෺ཧϞσϧࣗಈߏங"*ͷ։ൃʯ • ֮੧1+ɿ ʮࣗવݴޠɾਤදΛ༻͍ͨ෺ཧϞσϧͷ ҙຯతධՁͱΞΫςΟϒϞσϦϯά؀ڥͷߏஙʯ • ͖͕͚͞ɿ ʮϚϧνϞʔμϧσʔλΛ׆༻ͨ͠ ࣗ཯ۦಈܕ෺ཧϞσϦϯάͷج൫ߏஙʯ ෺ཧϞσϧͷࣗಈԽɾཱࣗԽʹ޲͚ͨݚڀ 22 ݱ࣮ͷڍಈΛද͢ Պֶ๏ଇʹجͮ͘ ਺ࣜ܈ ෺ཧϞσϧ ୈҰݪཧϞσϧ モデル候補の 作成と検証 情報の 抽出と統合 対象プロセス 関連文献の収集 Ϟσϧߏஙʹඞཁͳ৘ใ ͷࣗಈநग़ɺಉٛੑ൑ఆɺ දه౷Ұ ʁ Ϟσϧީิͷ ࣗಈ࡞੒ɾݕূ 1/# ln ' O ࿈ଓ૧ܕ൓Ԡث จݙσʔλϕʔε͔Β ର৅ϓϩηεؔ࿈จݙ Λࣗಈऩूɺܗࣜ౷Ұ ๲େͳ࡞ۀͱߴ౓ͳ஌ࣝͱεΩϧ ࣌ؒΛ͔͚ͨࢼߦࡨޡ ैདྷख๏ɿख࡞ۀ "VUP1.P#ɿ"*ʹΑΔࣗಈԽ ߏங ߏங Ϟσϧީิ̍ Ϟσϧީิ̎ Ϟσϧީิ̏ 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 d" d# = %! − % ︙ ' = '! exp(− , -. ) −0" = '1" d1" d# = % " 1"! − 1" + 0" ֧፩ػ ݪྉ ੡඼ ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
    
24. • ໨తɿจݙ͔Β෺ཧϞσϧΛࣗಈͰߏங͢Δ"*ͷ࣮ݱ  ࿦จ͔Βม਺ͱ਺ࣜΛਖ਼֬ʹநग़͢Δख๏ͷ։ൃ [Kato and Kano, AIChE Annual Meeting, 2024]  நग़ͨ͠ม਺ఆٛͱ਺ࣜ܈ͷಉٛੑʢҙຯ͕ಉ͔͡ʣΛ൑ఆ͠ɼ දهΛ౷Ұ͢Δख๏ͷ։ൃ [Kato and Kano, AIChE Annual Meeting, 2025]  ෳ਺จݙ͔Βநग़ɾදه౷Ұͨ͠਺ࣜɾม਺͔Β ϞσϧީิΛ࡞੒͠ɼॱҐ෇͚͢Δख๏ͷ։ൃ [Kato and Kano, ESCAPE, 2025] ʢʴЋʣ 2
    ԼྲྀλεΫʹ࢖͑Δ਺ࣜຒΊࠐΈͷ࡞Γํ͸ʁ <Ճ౻ɼ:"/4ɼ> ݚڀ঺հ c
    "$59
    23 ݱ࣮ͷڍಈΛද͢ Պֶ๏ଇʹجͮ͘ ਺ࣜ܈ ෺ཧϞσϧ ୈҰݪཧϞσϧ モデル候補の 作成と検証 情報の 抽出と統合 対象プロセス 関連文献の収集 Ϟσϧߏஙʹඞཁͳ৘ใ ͷࣗಈநग़ɺಉٛੑ൑ఆɺ දه౷Ұ ʁ Ϟσϧީิͷ ࣗಈ࡞੒ɾݕূ 1/# ln ' O ࿈ଓ૧ܕ൓Ԡث จݙσʔλϕʔε͔Β ର৅ϓϩηεؔ࿈จݙ Λࣗಈऩूɺܗࣜ౷Ұ ๲େͳ࡞ۀͱߴ౓ͳ஌ࣝͱεΩϧ ࣌ؒΛ͔͚ͨࢼߦࡨޡ ैདྷख๏ɿख࡞ۀ "VUP1.P#ɿ"*ʹΑΔࣗಈԽ ߏங ߏங Ϟσϧީิ̍ Ϟσϧީิ̎ Ϟσϧީิ̏ 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 d" d# = %! − % ︙ ' = '! exp(− , -. ) −0" = '1" d1" d# = % " 1"! − 1" + 0" ֧፩ػ ݪྉ ੡඼
25. ໨తɿগ਺σʔλԼͰͷ෺ཧϞσϧࣗ཯తߏஙγεςϜͷཱ֬ ݚڀ঺հ c
    ͖͕͚͞ 24 ࣮ݧσʔλ ෺ཧϞσϧ 𝑦 = 𝑓(𝑥)  ࣗવݴޠͷ࣮ݧ৚݅Λ ؚΉ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ • ϕΠζ࠷దԽ • ࣗવݴޠʹΑΔ ࣮ݧ৚݅มߋ  จݙ৘ใΛ׆༻ͨ͠ ෺ཧϞσϧߏங ࣌ؒ ೱ౓ • γϯϘϦοΫճؼ • จݙ׆༻ʹΑΔ ୳ࡧൣғͷॖখ  ϚϧνϞʔμϧ৘ใʹ جͮ͘ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ • ޡࠩͱෳࡶ౓ • ը૾΍ݴޠʹ جͮ͘ఆੑతධՁ ධՁ݁Ռ ఺਺
     ͖͕͚͞ݚڀͷୡ੒໨ඪɿʙͷख๏Λ։ൃ͠ɼͦΕΒΛ౷߹ͨ͠ ϞσϦϯάαΠΫϧͷ༗ޮੑͱ൚༻ੑΛଟ༷ͳ੡଄ϓϩηεͰ࣮ূ͢Δɽ
26. ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
     จݙ৘ใΛ׆༻͠ɼগ਺σʔλ৚݅ԼͰ ෺ཧϞσϧΛൃݟ͢ΔγϯϘϦοΫճؼΛ࣮ݱ͢Δɽ 
    จݙ৘ใΛ׆༻ͨ͠෺ཧϞσϧߏங 25 ࢖༻͢ΔγϯϘϦοΫճؼख๏ • 4QBSTF
    *EFOUJGJDBUJPO
    PG
    /POMJOFBS
    %ZOBNJDT
    4*/%Z
    [Brunton et al., PNAS, 2016] • Ҩ఻తΞϧΰϦζϜʢ("ʣ[Koza, Stat. Comput., 1994] ໨త • ઐ໳஌ࣝґଘͷखॱΛ୅ସ͢Δจݙ৘ใΛ׆༻ͨ͠ํ๏Λ։ൃ͢Δɽ ྫɿ4*/%ZͰ͸ϥΠϒϥϦͷઃܭ͕ੑೳʹ௚݁͢Δ͕ମܥతͳઃܭํ๏͸ແ͍ɽ [Sato, Miyamoto and Kato, J. Rheol., 2025]
27. ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
     
    ϚϧνϞʔμϧ৘ใʹΑΔϞσϧධՁ 26 ධՁࢦඪ • ैདྷɿ༧ଌ஋ͱਖ਼ղ஋ͱͷޡࠩɾม਺΍ԋࢉࢠͷ਺ʹΑͬͯఆٛ͞ΕΔෳࡶ౓ • ຊݚڀɿϓϩοτը૾ɼ਺ࣜɼࣗવݴޠهड़ʹجͮ͘ਓؒత൑அ • ߏங͞ΕͨϞσϧͷఆੑతઆ໌ͷྑ͠ѱ͠Λ ϚϧνϞʔμϧ--.ʹΑͬͯਖ਼֬ʹ൑ఆ͢Δख๏Λ։ൃ͢Δɽ ϚϧνϞʔμϧσʔλʹج͖ͮɼ ʮ֎ૠੑɾղऍੑʯͳͲͷਓؒత൑அΛఆྔԽ͢Δɽ ໨త ࣌ؒ ೱ౓ ๬·͍͠ڍಈ Ϟσϧͷڍಈ ઐ໳Ոͷ௚ײΛ ୅ସ͢Δ--. ݱ৔ͷײ֮తʹɼ ૣ͍࣌ࠁͷڍಈ͕ॏཁɽ
28. 
    ࣗવݴޠͷ࣮ݧ৚݅ΛؚΉ࠷దԽ 27 • ࢦఆՄೳͳ࣮ݧ৚͕݅ݶఆ͞Ε͍ͯΔͱ͖ʹɼݱࡏͷϞσϧධՁ͔Β ࣍ʹߦ͏΂͖࣮ݧ৚݅Λఏࣔ͢Δख๏Λ։ൃ͢Δɽ • γφϦΦΛࣗ༝ʹઃఆͰ͖Δͱ͖ʹɼݱ࣮త͔࣮ͭߦՄೳͳ࣮ݧ৚݅ΛఏҊ͢ΔΑ͏ʹ֦ுɽ ਺஋͚ͩͰͳࣗ͘વݴޠͰࣔ͞Εͨ৚݅΋ ύϥϝʔλͱͯ͠ར༻͢Δ࠷దԽख๏Λཱ֬͢Δɽ ໨త --. ૣ͍࣌ؒଳΛ ॏࢹ࣮ͯ͠ݧ ͠Α͏ɽ ࣗવݴޠͰࣔ͞Εͨ৚݅ ࣍ͷ࣮ݧ৚݅ ैདྷख๏Ͱ ಘΒΕΔ਺஋ ! " = arg min * ! ධՁ݁Ռ ఺਺
     ʴ ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
    
29. ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
     
    ࣗ཯ܕϞσϦϯάαΠΫϧͷߏங 28 ͞Βʹɼద༻ର৅ͷϓϩηε͝ͱʹઃఆͨ͠ϚΠϧετʔϯୡ੒Λ໨ࢦ͢ɽ ਖ਼͍͠Ϟσϧ͕҆ఆͯ͠ಘΒΕΔΑ͏ͳϞσϧߏஙɾ ϞσϧධՁɾ࣮ݧઃܭͷαΠΫϧΛߏங͢Δɽ ໨త ༧૝͞ΕΔ՝୊ͱରॲํ๏ • ධՁ݁Ռͷ͹Β͖ͭɿ--.ͷ࠶ֶश΍ର࿩త֬ೝख๏ͷಋೖ • ୳ࡧۭؒͷൃࢄɿࣄલ੍໿ʹΑΔ୳ࡧۭؒͷ੍ޚ • ࣮ݧ৚݅ఏҊͷඇݱ࣮ੑɿఏҊ৚݅ͷଥ౰ੑݕূ޻ఔͷ௥Ճ ࿈ଓ૧ܕ൓Ԡثʢ$453ʣ • αΠΫϧ҆ఆಈ࡞ • ϕʔεϥΠϯཱ֬ ߴ෼ࢠܥϨΦϩδʔ • ੍໿৚݅ԼͰͷݕূ νϣΫϥϧεΩʔʢ$;ʣ • ߴ࣍ݩରԠ • ൚༻ੑධՁ
30. • "$59ɿ ʮ੡଄ϓϩηεͷઐ໳༻ޠͱ਺ࣜΛཧղ͢Δ ෺ཧϞσϧࣗಈߏங"*ͷ։ൃʯ • ֮੧1+ɿ ʮࣗવݴޠɾਤදΛ༻͍ͨ෺ཧϞσϧͷ ҙຯతධՁͱΞΫςΟϒϞσϦϯά؀ڥͷߏஙʯ • ͖͕͚͞ɿ ʮϚϧνϞʔμϧσʔλΛ׆༻ͨ͠ ࣗ཯ۦಈܕ෺ཧϞσϦϯάͷج൫ߏஙʯ ຊྖҬʹڵຯͷ͋Δํ͸ͥͻ͓੠͕͚͍ͩ͘͞ ෺ཧϞσϧͷࣗಈԽɾཱࣗԽʹ޲͚ͨݚڀ 29 ݱ࣮ͷڍಈΛද͢ Պֶ๏ଇʹجͮ͘ ਺ࣜ܈ ෺ཧϞσϧ ୈҰݪཧϞσϧ モデル候補の 作成と検証 情報の 抽出と統合 対象プロセス 関連文献の収集 Ϟσϧߏஙʹඞཁͳ৘ใ ͷࣗಈநग़ɺಉٛੑ൑ఆɺ දه౷Ұ ʁ Ϟσϧީิͷ ࣗಈ࡞੒ɾݕূ 1/# ln ' O ࿈ଓ૧ܕ൓Ԡث จݙσʔλϕʔε͔Β ର৅ϓϩηεؔ࿈จݙ Λࣗಈऩूɺܗࣜ౷Ұ ๲େͳ࡞ۀͱߴ౓ͳ஌ࣝͱεΩϧ ࣌ؒΛ͔͚ͨࢼߦࡨޡ ैདྷख๏ɿख࡞ۀ "VUP1.P#ɿ"*ʹΑΔࣗಈԽ ߏங ߏங Ϟσϧީิ̍ Ϟσϧީิ̎ Ϟσϧީิ̏ 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 記号 定義 ! 温度 "! ⼊⼝流量 ⁝ ⁝ #" 反応速度 d" d# = %! − % ︙ ' = '! exp(− , -. ) −0" = '1" d1" d# = % " 1"! − 1" + 0" ֧፩ػ ݪྉ ੡඼ ࣮ݧσʔλ ෺ཧϞσϧ ! = #(%) 
    ࣮ݧઃܭ ࣮ݧύϥϝʔλ ੑೳ  Ϟσϧߏங ࣌ؒ ೱ౓ 
    ϞσϧධՁ ࣌ؒ ೱ౓ ๬·͍͠ ڍಈ ධՁ݁Ռ ఺਺
    
31. ςʔϚηογϣϯɾϫʔΫγϣοϓ!/-1ɿ౤ߘืूதͰ͢ɽ • ςʔϚηογϣϯ̐ɿʮେن໛ݴޠϞσϧ࣌୅ͷ਺ࣜ/-1ɿදݱɾਪ࿦ɾݕূͷ࣮຿ج൫ʯ ࣗવݴޠॲཧ͸େن໛ݴޠϞσϧʢ--.ʣʹΑΓٸ଎ʹීٴɾൃలͨ͠ҰํͰɼ࿦จ΍ٕज़จॻʹෆՄܽͳ਺ࣜ͸ɼߏ ଄ɾҙຯɾදهͷෳࡶ͞Ώ͑طଘͷ/-1ٕज़Ͱ͸े෼ʹѻ͍͑ͯͳ͍ɽτʔΫϯԽɾߏ଄ղੳɾҙຯදݱɾධՁͱ͍ͬͨ؍ ఺͔Βݸผʹٞ࿦͞Ε͖͕ͯͨɼ౷Ұతͳ਺ࣜݴޠॲཧٕज़͸ະ੔උͰ͋ΔɽຊηογϣϯͰ͸ɼᶃࣝผࢠᐆດੑղফɾ਺ ࣜηϚϯςΟοΫύʔεɾܗࣜݕূʢ-FBO$PRʣͳͲͷج൫ٕज़ɼᶄ਺ࣜݴޠॲཧ΍਺ֶతਪ࿦Λཁ͢ΔԠ༻λεΫɼᶅ ਺ࣜͱݴޠΛ౷߹ͨ͠දݱֶशɼᶆ਺ࣜΛؚΉจॻΛର৅ͱͨ͠--.ద༻ࣄྫͳͲʹؔͯ͠෯޿͍౤ߘΛืΓɼ਺ࣜݴޠॲ ཧͷجૅ͔ΒԠ༻·ͰΛҰମతʹٞ࿦͢Δɽ෼໺ԣஅతަྲྀʹΑΓɼ਺ࣜཧղݚڀͷֶࡍత࿈ܞͱ࢈ۀԠ༻ͷՃ଎Λ໨ࢦ͢ɽ • ϫʔΫγϣοϓ̐ɿʮະདྷݴޠॲཧʯϫʔΫγϣοϓ ຊϫʔΫγϣοϓ͸ɼݱࡏೖखՄೳͳ৘ใΛख͕͔Γʹকདྷͷࣄ৅Λ༧ଌɾܭըɾ૑Ҋ͠ɼͦͷଥ౰ੑΛධՁ͢Δݴޠॲ ཧʢҎԼʮະདྷݴޠॲཧʯʣΛର৅ͱ͠ɼֶज़ɾ࢈ۀɾਓจɾࣾձͷݚڀऀʹ෼໺ԣஅతͳٞ࿦ͷ৔Λఏڙ͠·͢ɽର৅λ εΫʹ͸ྫ͑͹ɼ"*
    GPS
    4DJFODFʹ͓͚Δݚڀ՝୊ͷࣗಈ૑ग़΍࣮ݧܭըͷཱҊɼ--.ϕʔεΤʔδΣϯτʹ͓͚Δϓϥϯ χϯάɼՊֶจݙΛى఺ͱͨ͠༻్୳ࡧɾ৽ن੡඼ɾࣄۀΞΠσΞͷࣗಈੜ੒౳ؚ͕·Ε·͢ɽطଘςΩετ͔Βͷ஌ݟू ໿Λओͱ͢Δ৘ใநग़ɾ຋༁ɾཁ໿ͱ͍ͬͨैདྷλεΫʹର͠ɼະདྷݴޠॲཧͰ͸ਖ਼ղͷఆٛͱධՁઃܭ౳ɼಛ༗ͷ՝୊͕ ଘࡏ͠·͢ɽେن໛ݴޠϞσϧͷීٴʹΑΓ֤ྖҬͰݸผͷऔΓ૊Έ͕Ճ଎͢ΔҰํɼ஌ݟΛԣஅతʹڞ༗͢Δ৔͕ෆ଍͠ ͍ͯ·͢ɽҰൠൃදͱ੡඼ΞΠσΞੜ੒ͷڞ௨λεΫͷ੒ՌൃදΛ௨͡ɼ෼໺ԣஅతͳ஌ݟڞ༗Λ໨ࢦ͠·͢ɽ ࠓޙͷऔΓ૊Έˏ/-1 30